R因子列表數(shù)據(jù)框與輸入輸出

1、R因子列表數(shù)據(jù)框與輸入輸出 第四講 R的數(shù)據(jù)結(jié)構(gòu)(二) 因子、列表、數(shù)據(jù)框 學(xué)習(xí)學(xué)習(xí)R中中的表示方法的表示方法 數(shù)據(jù)表示方法數(shù)據(jù)表示方法 實(shí)例實(shí)例 作業(yè)作業(yè) R因子列表數(shù)據(jù)框與輸入輸出 因子（factor）和有序因子 統(tǒng)計(jì)中的變量重要類別 連續(xù): 區(qū)間變量 離散: 名義變量、有序變量 區(qū)間變量取連續(xù)的數(shù)值，可以求和、算平均等。 名義變量和有序變量取離散值，既可用數(shù)值表示 也可取字符型值，其具體數(shù)值沒(méi)有數(shù)量意義，不 能用于加減乘除計(jì)算而只能用來(lái)分類或者計(jì)數(shù)。 名義變量比如性別、省份、職業(yè)，有序變量比如 班級(jí)名次、質(zhì)量等級(jí)等。 因?yàn)殡x散變量有各種不同表示方法，在R中為統(tǒng) 一起見使用因子(facto

2、r)來(lái)表示這種分類變量。還 提供了有序因子(ordered factor)來(lái)表示有序變量。 R因子列表數(shù)據(jù)框與輸入輸出 因子是一種特殊的字符型向量，其中每一個(gè)元素 取一組離散值中的一個(gè)，而因子對(duì)象有一個(gè)特殊 屬性levels表示這組離散值（用字符串表示）。例 如： x y y 1 男 女 男 男 女 Levels: 男 女 函數(shù)factor()用來(lái)把一個(gè)向量編碼成為一個(gè)因子。一般 形式為： factor(x, levels = sort(unique(x), na.last = TRUE), labels, exclude = NA, ordered = FALSE) R因子列表數(shù)據(jù)框與輸入輸

3、出 可以自行指定各離散取值水平（levels），不指定 時(shí)由x的不同值來(lái)求得。 labels可以用來(lái)指定各水平的標(biāo)簽，不指定時(shí)用各 離散取值的對(duì)應(yīng)字符串。 exclude參數(shù)用來(lái)指定要轉(zhuǎn)換為缺失值（NA）的元 素值集合。如果指定了levels，則因子的第i個(gè)元素 當(dāng)它等于水平中第j個(gè)時(shí)元素值取“j”，如果它的值 沒(méi)有出現(xiàn)在levels中則對(duì)應(yīng)因子元素值取NA。 ordered取真值時(shí)表示因子水平是有次序的（按編碼 次序）。 可以用is.factor()檢驗(yàn)對(duì)象是否因子，用as.factor()把 一個(gè)向量轉(zhuǎn)換成一個(gè)因子。 R因子列表數(shù)據(jù)框與輸入輸出 x y y 1 男 女 男 男 女 Leve

4、ls: 男 女 x y y 1 男 女 男 男 女 Levels: 男 女 R因子列表數(shù)據(jù)框與輸入輸出 因子的基本統(tǒng)計(jì)是頻數(shù)統(tǒng)計(jì)，用函數(shù)table()來(lái)計(jì)數(shù)。 例如， sex res.tab res.tab 男 女 3 2 表示男性3人，女性2人。table()的結(jié)果是一個(gè)帶元素名的向 量，元素名為因子水平，元素值為該水平出現(xiàn)的頻數(shù)。 R的結(jié)果除了可以顯示外，本身都是R對(duì)象（如這里的向量 結(jié)果），可以很方便地進(jìn)一步處理。 可以用兩個(gè)或多個(gè)因子進(jìn)行交叉分類。比如，性別（sex） 和職業(yè)（job）交叉分組可以用table(sex, job)來(lái)統(tǒng)計(jì)每一交 叉類的頻數(shù)，結(jié)果為一個(gè)矩陣，矩陣帶有行名和列

5、名，分 別為兩個(gè)因子的各水平名。 R因子列表數(shù)據(jù)框與輸入輸出 因子可以用來(lái)作為另外的同長(zhǎng)度變量的分類變量。 比如，假設(shè)上面的sex是5個(gè)學(xué)生的性別，而 h table(h, sex) sex h 男 女 159 0 1 165 1 0 168 1 0 170 0 1 172 1 0 tapply(h, sex, mean) #可以求按性別分類的身高 平均值。 男 女 168.3333 164.5000 R因子列表數(shù)據(jù)框與輸入輸出 列表（list）定義 列表是一種特別的對(duì)象集合，它的元素也由序號(hào) （下標(biāo)）區(qū)分，但是各元素的類型可以是任意對(duì)象， 不同元素不必是同一類型。元素本身允許是其它復(fù) 雜數(shù)據(jù)

6、類型，比如，列表的一個(gè)元素也允許是列表。 列表元素用“列表名下標(biāo)”的格式引用。 但是，列表不同于向量，我們每次只能引用一個(gè)元 素，如rec1:2的用法是不允許的。 “列表名下標(biāo)”或“列表名下標(biāo)范圍”的用 法也是合法的，但其意義與用兩重括號(hào)的記法完全 不同，兩重記號(hào)取出列表的一個(gè)元素，結(jié)果與該元 素類型相同，如果使用一重括號(hào)，則結(jié)果是列表的 一個(gè)子列表（結(jié)果類型仍為列表）。 R因子列表數(shù)據(jù)框與輸入輸出 rec = list(name=李明, age=30, scores=c(85, 76, 90) rec $name 1 李明 $age 1 30 $scores 1 85 76 90 rec1

7、$name 1 李明 rec1 1 李明 rec2 $age 1 30 rec2 1 30 rec3 $scores 1 85 76 90 rec3 1 85 76 90 rec31:2 1 85 76 mode(rec1) 1 list mode(rec1) 1 character R因子列表數(shù)據(jù)框與輸入輸出 在定義列表時(shí)如果指定了元素的名字（如rec中的 name，age，scores），則引用列表元素還可以用 它的名字作為下標(biāo)，格式為“列表名元素名 ”，如： recage 1 30 另一種格式是“列表名$元素名”，如： rec$age 1 30 其中“元素名”可以簡(jiǎn)寫到與其它元素名能夠區(qū)

8、 分的最短程度，比如“rec$s”可以代表 “rec$score”。 這種寫法方便了交互運(yùn)行，編寫程序時(shí)一般不用 簡(jiǎn)寫，以免降低了程序的可讀性。 R因子列表數(shù)據(jù)框與輸入輸出 使用元素名的引用方法可以讓我們不必記住 某一個(gè)下標(biāo)代表那一個(gè)元素，而直接用易記 的元素名來(lái)引用元素。事實(shí)上，已知向量和 矩陣都可以指定元素名、行名、列名。 定義列表使用list()函數(shù)，每一個(gè)自變量變成 列表的一個(gè)元素，自變量可以用“名字值” 的方式給出，即給出列表元素名。 自變量的值被復(fù)制到列表元素中，自變量如 果是變量并不會(huì)與該列表元素建立關(guān)系（改 變?cè)摿斜碓夭粫?huì)改變自變量的值）。(例 見后) R因子列表數(shù)據(jù)框與輸入

9、輸出 修改列表修改列表 列表的元素可以修改，只要把元素引用賦值即可。 如： rec$age rec$age rec$sex rec6 rec R因子列表數(shù)據(jù)框與輸入輸出 rec$sex rec6 rec $name 1 李明 $age 1 30 $scores 1 85 76 90 $sex 1 男 5 NULL 6 1 161 sex rec1 rec1 rec11= 女 rec1 sex R因子列表數(shù)據(jù)框與輸入輸出 第 五 號(hào) 元 素 因 為 沒(méi) 有 定 義 所 以 其 值 是 “NULL”，這是空對(duì)象的記號(hào)。 如果rec是一個(gè)向量，則其空元素為“NA”， 這是缺失值的記號(hào)。從這里我們也可

10、以體會(huì) “NULL”與“NA”的區(qū)別。 幾個(gè)列表可以用連接函數(shù)c()連接起來(lái)，結(jié)果 仍為一個(gè)列表，其元素為各自變量的列表元 素。如： list.ABC list.A = list(name=李明, age=30, scores=c(85, 76, 90) list.B = list(name=張三, age=27, scores=c(87, 91, 84) list.C = list(name=王五, age=28, scores=c(91, 90, 89) list.ABC list.ABC $name 1 李明 $age 1 30 $scores 1 85 76 90 $name 1 張三

11、 $age 1 27 $scores 1 87 91 84 $name 1 王五 $age 1 28 $scores 1 91 90 89 R因子列表數(shù)據(jù)框與輸入輸出 幾個(gè)返回列表的函數(shù)幾個(gè)返回列表的函數(shù) 列表的重要作用是把相關(guān)的若干數(shù)據(jù)保存 在一個(gè)數(shù)據(jù)對(duì)象中，這樣在編寫函數(shù)時(shí)我 們就可以返回這樣一個(gè)包含多項(xiàng)輸出的列 表。 因?yàn)楹瘮?shù)的返回結(jié)果可以完整地存放在一 個(gè)列表中，我們可以繼續(xù)對(duì)得到的結(jié)果進(jìn) 行分析，這是R語(yǔ)言比SAS靈活的一個(gè)地方。 下面給出幾個(gè)返回列表的例子。 R因子列表數(shù)據(jù)框與輸入輸出 一、特征值和特征向量一、特征值和特征向量 函數(shù)eigen(x)對(duì)對(duì)稱矩陣x計(jì)算其特征值和特征向量

12、， 返回結(jié)果為一個(gè)列表，列表的兩個(gè)成員（元素）為 values和vectors。例如： ev ev $values 1 1.400000e+01 9.176554e-16 -1.023391e-15 $vectors ,1 ,2 ,3 1, -0.2672612 0.6067775 0.7485937 2, -0.5345225 0.5530299 -0.6390960 3, -0.8017837 -0.5709457 0.1765328 特征向量按矩陣存放，每一列為一個(gè)特征向量。 R因子列表數(shù)據(jù)框與輸入輸出 二、奇異值分解及行列式二、奇異值分解及行列式 svd()函數(shù)進(jìn)行奇異值分解函數(shù)進(jìn)行奇

13、異值分解 自學(xué)自學(xué) 三、最小二乘擬合與三、最小二乘擬合與QR分解分解 函數(shù)lsfit(x,y)返回最小二乘擬合的結(jié)果。最小二乘 的模型為線性模型 lsfit(x,y)的第一個(gè)參數(shù)x為模型中的設(shè)計(jì)陣，第二個(gè) 參數(shù)y為模型中的因變量y（可以是一個(gè)向量也可以 是一個(gè)矩陣），返回一個(gè)列表，成員coefficients為 上面模型的最小二乘系數(shù)，成員residuals為擬合殘 差，成員intercept用來(lái)指示是否有截距項(xiàng)，成員qr 為設(shè)計(jì)陣 的QR分解，它本身又是一個(gè)列表。 YX R因子列表數(shù)據(jù)框與輸入輸出 simu.1 - function(n, p,trueb) x -matrix(rnorm(n

14、*p),n,p) y -x%*%trueb+rnorm(n) lsfit(x,y) #Example: n - 100 p - 3 trueb x y y $qr ,1 ,2 ,3 1, -8.1240384 -9.6011363 -1.107823e+01 2, 0.4923660 0.9045340 1.809068e+00 3, 0.8616404 0.9954736 -2.220446e-16 $rank 1 2 $qraux 1 1.123091e+00 1.095039e+00 2.220446e-16 $pivot 1 1 2 3 attr(,class) 1 qr R因子列表數(shù)

15、據(jù)框與輸入輸出 n - 100 p - 3 trueb-c(-3,-2,2) x -matrix(rnorm(n*p),n,p) y -x%*%trueb+rnorm(n) beta-qr.coef(qr(x),y) beta Result d=list(name=c(趙, 錢, 孫, 李, 王),age=c(20,21,22,21,20),height= c(170,171,175,165,181),gender=c(男, 女, 男, 女, 男 ) d name age height gender 1 趙 20 170 男 2 錢 21 171 女 3 孫 22 175 男 4 李 21 1

16、65 女 5 王 20 181 男 如果一個(gè)列表的各個(gè)成分滿足數(shù)據(jù)框成分的要求，它可以用 as.data.frame()函數(shù)強(qiáng)制轉(zhuǎn)換為數(shù)據(jù)框。比如，上面的d如果先用list()函 數(shù)定義成了一個(gè)列表，就可以強(qiáng)制成為一個(gè)數(shù)據(jù)框。 一個(gè)矩陣可以用data.frame()轉(zhuǎn)換為一個(gè)數(shù)據(jù)框，如果它原 來(lái)有列名則其列名被作為數(shù)據(jù)框的變量名，否則系統(tǒng)自動(dòng) 為矩陣的各列起一個(gè)變量名（如V1，V2）。 R因子列表數(shù)據(jù)框與輸入輸出 d name age height gender 1 趙 20 170 男 2 錢 21 171 女 3 孫 22 175 男 4 李 21 165 女 5 王 20 181 男 d

17、1 name 1 趙 2 錢 3 孫 4 李 5 王 d1 1 趙 錢 孫 李 王 Levels: 李 錢 孫 王 趙 d22:3 1 21 22 d1-list(name=c(趙, 錢, 孫, 李, 王), age=c(20,21,22,21,20),height= c(170,171,175,165,181),gender=c (男, 女, 男, 女, 男 ) d names(d) 1 name age height gender rownames(d) 1 1 2 3 4 5 R因子列表數(shù)據(jù)框與輸入輸出 table(d4) 男 女 3 2 table(d4) 男 女 3 2 tapply

18、(d3,d4, mean) 男 女 175.3333 168.0000 tapply(d3,d4, mean) 錯(cuò)誤在tapply(d3, d4, mean) : 變?cè)拈L(zhǎng)度必需相同 d3/d2 1 8.500000 8.142857 7.954545 7.857143 9.050000 R因子列表數(shù)據(jù)框與輸入輸出 attach()函數(shù)函數(shù) 數(shù)據(jù)框的主要用途是保存統(tǒng)計(jì)建模需要的數(shù)據(jù)。R的 統(tǒng)計(jì)建模功能都需要以數(shù)據(jù)框?yàn)檩斎霐?shù)據(jù)。我們也 可以把數(shù)據(jù)框當(dāng)成一種矩陣來(lái)處理。 在使用數(shù)據(jù)框的變量時(shí)可以用“數(shù)據(jù)框名$變量名” 的記法。但是，這樣使用較麻煩，R提供了attach() 函數(shù)可以把數(shù)據(jù)框“鏈接”

19、到內(nèi)存中。例如， attach(d) r d$r cat(i = , i, n) 注意使用cat()時(shí)要自己加上換行符“n”。它把各項(xiàng) 轉(zhuǎn)換成字符串，中間隔以空格連接起來(lái)，然后顯示。 cat(c(AB, C), c(E, F), n) AB C E F 如果要使用自定義的分隔符，可以用sep=參數(shù)， 例如： cat(c(AB, C), c(E, F), n, sep=) ABCEF cat()還可以指定一個(gè)參數(shù)file=給一個(gè)文件名，可以把 結(jié)果寫到指定的文件中，如： cat(i = , 1, n, file=c:/work/result.txt) # 非常適用于中間或最后結(jié)果的存儲(chǔ)。 cat

20、(c(AB, C), c(E, F), n,file=c:/result.txt) R因子列表數(shù)據(jù)框與輸入輸出 cat()函數(shù)和print()都不具有很強(qiáng)的自定義格式功能， 為此可以使用cat()與format() 函數(shù)配合實(shí)現(xiàn)。format() 函數(shù)為一個(gè)數(shù)值向量找到一種共同的顯示格式然后 把向量轉(zhuǎn)換為字符型。例如： format(c(1, 100, 10000) 1 1 100 10000 S-PLUS中的format()函數(shù)功能較強(qiáng)，具有較多的控制 參數(shù)，請(qǐng)參見幫助。 R中目前format() 函數(shù)功能仍較弱，但R有一個(gè) formatC函數(shù)可以提供類似C語(yǔ)言的printf格式功能。 formatC對(duì)輸入向量的每一個(gè)元素單獨(dú)進(jìn)行格式轉(zhuǎn)換 而不生成統(tǒng)一格式，例如： formatC(c(1, 0.00001) 1 1 1e-05 R因子列表數(shù)據(jù)框與輸入輸出 在formatC()函數(shù)中可以用format=參數(shù)指定C 格式類型，如“d”（整數(shù)），“f”（定點(diǎn)實(shí) 數(shù)），“e”（科學(xué)記數(shù)法），“E”, “g”（選擇 位數(shù)較少的輸出格式）,“G”, “fg”（定點(diǎn)實(shí)數(shù)但 用digits 指定有效位數(shù)），“s”（字符串）。 可以用width指定輸出寬度，用digi